近年の不確実で不安定な時代において、製造・物流業では工場、物流、サプライチェーンについて待ち行列シミュレーションを用いたデジタルツインを構築し、事前に試行錯誤を行うことにより最適でロバストなオペレーションを行うことの重要性が増している。しかし、正確な実際の状況としてのデータを再現するように離散的な待ち行列シミュレーションのパラメタを最適化することはこれまで困難であった。そこで、我々はカーネルABCを拡張したデータ同化の手法を用いてこの問題を解決した。これは演繹的なシミュレーションのパラメータを帰納的な機械学習の手法で決定することに相当する。この手法の数理的な背景と、実際の製造・物流事業者で適用した事例を紹介する。
